4.3 循环神经网络 (RNNs) 与序列模型

文档摘要

4.3 循环神经网络 (RNNs) 与序列模型 4.3 循环神经网络 (RNNs) 与序列模型在自动驾驶领域，计算机视觉系统需要处理的不仅仅是静态的图像帧，更多的是连续的视频流，其中包含了车辆、行人、交通标志等目标随时间变化的运动轨迹和行为模式。传统的卷积神经网络（CNNs）虽然在图像特征提取方面表现出色，但它们通常将每一帧视为独立的输入，无法有效捕捉数据中的时间依赖性。循环神经网络（RNNs）及其变体正是为处理这类序列数据而设计的，它们在自动驾驶的感知、预测和决策等环节发挥着关键作用。 4.3.1 循环神经网络 (RNNs) 的基本原理循环神经网络（RNNs）的核心思想是，网络的当前输出不仅取决于当前的输入，还取决于过去的输入。